• 303 novos geoglifos figurativos validados em cerca de 6 meses: um estudo publicado nos Proceedings of the National Academy of Sciences (PNAS) relatou que um sistema de IA aplicado à região de Nazca indicou alvos que, após verificação em campo, resultaram em 303 novas figuras, quase dobrando o total de geoglifos figurativos conhecidos até então. Muitas são pequenas e em “baixo-relevo”, retratando humanos e animais, e ajudam a diferenciar usos rituais (linhas maiores) de marcas possivelmente ligadas a circulação local.
• Cobertura e velocidade sem precedentes: veículos como The Guardian e Phys.org destacaram que a combinação IA + drones + imagens aéreas de alta resolução permitiu mapear vastas áreas em meses, trabalho que antes levaria anos, e revelar contextos culturais entre Paracas e Nazca.
• Descobertas contínuas: a Universidade de Yamagata, principal referência acadêmica no tema, vem anunciando lotes adicionais de geoglifos com suporte de IA desde 2019 (142 figuras), avançando em 2023 com estudos de viabilidade em deep learning e, mais recentemente, com novos conjuntos identificados em campo com apoio da IBM Research.
• Atualizações de 2025 na imprensa japonesa: veículos como The Asahi Shimbun e The Japan Times noticiaram novas descobertas (≈248 geoglifos) comunicadas por Yamagata, usando IA para selecionar alvos a partir de fotografias aéreas (2023–2024) e posterior verificação em campo. 

1. Aquisição de dados: Fotos aéreas de 10 cm/pixel (aviões) e imagens de drones (<10 cm/pixel) alimentam pipelines de visão computacional. Onde cabível, imagens de satélite complementam a cobertura.
2. Modelos de detecção: Algoritmos de object detection (p. ex., arquiteturas do tipo YOLO/Faster R-CNN) são treinados/ajustados com geoglifos já conhecidos, patches rotulados e técnicas de transfer learning para lidar com ruído, sombras e texturas do deserto. (Detalhes metodológicos em artigos da Universidade de Yamagata no Journal of Archaeological Science).
3. Humano no loop: A IA produz heatmaps e candidates. Arqueólogos priorizam os mais promissores e validam em campo, a etapa crucial que separa artefatos reais de pareidolias (falsos positivos). Os achados confirmados são medidos, datados e comparados com o corpus existente.
4. Interpretação e conservação: Com mais amostras, surgem padrões: temas figurativos por rota, diferenças entre “linhas de peregrinação” e geoglifos menores, e hipóteses sobre mensagens/“sinalizações” locais. A IA também serve para monitorar ameaças (erosão, obras, invasões) com varreduras periódicas.

• Hipóteses culturais mais robustas: o aumento do número de amostras permite análises estatísticas de temas, tamanhos e técnicas (“line-type” vs. “relief-type”), aproximando função e contexto cultural. 
• Eficiência de campo: a IA direciona equipes a poucos pontos com maior probabilidade de sucesso, otimizando verbas e tempo.
• Ciência aberta e interdisciplinar: parcerias entre universidades (Yamagata), centros de pesquisa (IBM Research) e especialistas em sensoriamento remoto estão se tornando baseline para arqueologia em larga escala. 

• Dependência de dados de qualidade: sem imagens de alta resolução e bom ângulo solar, a acurácia cai.
• Generalização: modelos treinados em um subset do deserto podem não captar variações geomorfológicas de outras áreas; continuamente, novas rotulações são necessárias.
• Validação in loco é indispensável: IA não “descobre” sozinha — ela prioriza. Cada geoglifo precisa de confirmação em campo e análise estratigráfica/contextual.

2023: Estudo metodológico com deep learning para detecção em fotos aéreas (Journal of Archaeological Science).

2024: Estudo no PNAS: 303 novos geoglifos validados em ~6 meses, quase dobrando o total figurativo conhecido. Cobertura global na mídia.

2025: Imprensa japonesa reporta +248 novos geoglifos comunicados por Yamagata, com alvos definidos por IA e validação em campo (campanhas 2023–2024).

• IA útil é IA aplicada: valor surge quando modelos entram no fluxo de trabalho (priorização, monitoramento, decisão).
• Parcerias certas aceleram resultados: domínios complexos pedem cientistas de dados + especialistas do assunto.
• Ciclo contínuo de dados → modelo → validação: feedback loops encurtam o tempo entre hipótese e descoberta.

Agora é a sua vez.

O futuro dos negócios já é inteligente. E quem se antecipa colhe os maiores benefícios. Fale com nossos especialistas e descubra como aplicar agentes de IA de forma estratégica e segura na sua empresa.

Não espere. Transforme. Cresça com IA.